Claude في المركز الأول وتكلفة Gemini أقل من الثلث: تحليل تفاوت القيمة مقابل التكلفة بين 13 نموذجًا في GDPx

ملاحظة الكاتب: نستعرض أول قائمة تصنيف GDPx التي نشرتها SemiAnalysis، ونقارن درجات النماذج الرائدة و«متوسط تكلفة المهمة»، مع توضيح الفرق بين تكلفة التقييم وأسعار Token الرسمية. والهدف مساعدتك على الاختيار الأولي من ثلاث زوايا: القدرة والتكلفة وإمكانية الاستخدام.

في 2 نوفمبر 2026، أطلقت SemiAnalysis معيار GDPx v1.0 عالي الصعوبة لتقييم الوكلاء. تصدّر Claude Opus 5.5 القائمة بنتيجة إجمالية بلغت 12.0%، يليه Gemini 4 Carbon بنسبة 10.9%. لكن التكلفة تستحق اهتمامًا أكبر: بلغ متوسط تكلفة المهمة في Carbon نحو 31.7% فقط من تكلفة Opus، بينما وصلت نتيجته إلى نحو 90.8% من نتيجة Opus.

هذه ليست مجرد شائعات. تأتي الأرقام أعلاه من قائمة GDPx الرسمية والتقرير الأصلي لـ SemiAnalysis، وقد نشر الموقع الرسمي أيضًا 14 مهمة تمثيلية، بإجمالي 168 مسار تنفيذ. لكن من السهل إساءة قراءة القائمة: «متوسط تكلفة المهمة» ليس سعر API، و«12%» ليست نسبة نجاح الذكاء الاصطناعي في العمل الفعلي.

ما الذي ستستفيده؟ يستعرض هذا المقال بيانات التكلفة والقدرة في أول قائمة GDPx، مع التمييز بوضوح بين ثلاثة مقاييس للسعر: تكلفة تقييم GDPx، وأسعار Token الرسمية لدى الشركات، والأسعار المدرجة في وثائق APIYI. بعد القراءة، ستفهم لماذا قد لا يتطابق الترتيب الإجمالي مع خيار الشراء المناسب لك.

معلومات GDPx الأساسية في لمحة

الاسم الكامل لـ GDPx هو «Measuring Frontier Model Capabilities Across the Most Valuable Domains»، أي «قياس قدرات النماذج الرائدة في المجالات ذات القيمة الاقتصادية الأعلى». لا يختبر المعيار الإجابة عن الأسئلة المعرفية، بل يقيس قدرة الوكيل الذكي على إنجاز مهام طويلة المدى باستقلالية، مستعينًا بالأدوات والبرمجيات، في بيئات مهنية حقيقية أو عالية المحاكاة.

من المهم الانتباه إلى أن GDPx يقيس الأداء الإجمالي لـ«النموذج + إطار الوكيل الذكي + الأدوات + البيئة»، وليس قدرة النموذج على الاستدلال وحدها. وتنتج الدرجة الإجمالية عن مزيج من طرق التقييم مع إعطاء المجالات أوزانًا متساوية، لذلك لا يمكن تحويلها إلى «عدد الإجابات الصحيحة من أصل 206 أسئلة».

ترتيب GDPx: الدرجات ومتوسط تكلفة المهمة

يعرض الجدول التالي النماذج الـ13 التي يظهرها الموقع الرسمي افتراضيًا، مع أن المرشّح يضم 20 إعدادًا للاختبار. ويبيّن العمود الأخير ما إذا كان النموذج المقابل مدرجًا في وثائق النماذج العامة لدى APIYI، وفق لقطة الأسعار بتاريخ 2026-10-27، وذلك لتسهيل البحث فقط.

المبالغ بالدولار هنا هي متوسط تكلفة تشغيل كل مهمة تقييم وفق تقرير GDPx، وتشمل المحاولات الفاشلة أيضًا. وهي ليست سعر كل مليون رمز، ولا تكلفة كل سؤال يطرحه المستخدم، ولا تكلفة إنجاز مهمة عمل بمستوى مقبول.

ثلاث مقارنات للتكلفة تستحق الاهتمام في GDPx

استنادًا إلى البيانات الرسمية، تظهر ثلاثة أنماط للقيمة مقابل التكلفة:

تمثل هذه المقارنات ثلاثة خيارات: السعي إلى أداء متقدم، وخفض التكلفة مع الحفاظ على نتيجة متقاربة، واختيار حل اقتصادي للمهام منخفضة المخاطر. لكن تقارب النتائج الإجمالية لا يعني بالضرورة تقارب الأداء في مهامك المحددة.

تصدّر الترتيب العام في GDPx لا يعني الصدارة في كل مجال

يشير التقرير الأصلي لـ SemiAnalysis إلى أن مجال التفوق يختلف من نموذج إلى آخر:

• Claude Opus 5.5: يتصدر في التداول الكمي وتصميم العتاد وتصميم الرقائق.
• Gemini 4 Carbon: يتصدر في علم الأحياء، ويتقدم بفارق ضئيل في هندسة البرمجيات.
• GPT-6 Astra: يتصدر في التحسين الذاتي التكراري (RSI) وعلوم المواد.

أوضح الباحثون أيضًا أن مصنّفات السلامة أثرت في بعض نتائج Opus 5.5 وGPT-6 Astra، ولا سيما في مجالات الأمن السيبراني وعلم الأحياء ومواءمة الذكاء الاصطناعي. وفي حالة التصميم المادي للرقائق vt01، بلغ متوسط تقييم Astra نحو 0.34، مقابل 0.135 فقط لـ Opus. وهذا يعني أن ترتيب النماذج في مهمة واحدة قد يكون عكس ترتيبها العام تمامًا.

تكلفة GDPx ليست هي سعر الرموز الرسمي

من أكثر الأخطاء شيوعًا عند مقارنة القيمة مقابل التكلفة اعتبار تكلفة المهمة بالدولار في GDPx سعرًا للـ API. يوضح الجدول أسعار النصوص القياسية التي أعلنها المزودون رسميًا، بالدولار لكل مليون رمز، مع حساب فاتورة نظرية على أساس مليون رمز إدخال و200 ألف رمز إخراج، دون احتساب تكاليف التخزين المؤقت أو الأدوات.

مصادر الأسعار هي صفحات التسعير الرسمية لدى Anthropic وOpenAI، وإعلان Carbon الذي نشرته Google في 2026-10-28. وأعلنت Google أيضًا أن سعر Carbon القياسي بعد انتهاء الفترة التمهيدية سيكون $4 للإدخال و$20 للإخراج، دون أن تحدد موعد انتهائها. وقد تنطبق أسعار مختلفة على طلبات السياق الطويل لدى OpenAI، كما تختلف قواعد الفوترة بين المزودين لعمليات مثل الكتابة إلى ذاكرة التخزين المؤقت والمعالجة على دفعات.

يوضح هذا الجدول الفروق في «سعر الوحدة» فقط. فقد يختلف عدد الرموز وجولات الاستدعاء اللازمة للمهمة نفسها اختلافًا كبيرًا بين النماذج، ولذلك قد يختلف ترتيب الفواتير الفعلية عن النظرية. على سبيل المثال، فاتورة Opus النظرية أقل من Astra، لكن متوسط تكلفة المهمة للنموذجين في GDPx متقارب ($51.41 مقابل $53.99).

القيود العملية على Gemini 4 Carbon

يبرز Carbon بوصفه بطل «القيمة مقابل التكلفة» في هذا التصنيف، لكن استدعاءه مباشرة لا يزال صعبًا على المطورين العاديين. فعندما أطلقت Google نموذج Carbon في 28 أكتوبر، أتاحته فقط لبعض فرق الدفاع في مجال الأمن السيبراني والشركاء الذين اجتازوا المراجعة، وقالت إنها ستوسع نطاق الوصول تدريجيًا. وحتى 3 نوفمبر، لم يُعثر على إعلان عن إتاحة API للعامة بشكل شامل.

كذلك لا تتضمن لقطة الأسعار في وثائق النماذج العامة لدى APIYI أي إدخال باسم gemini-4-carbon، كما أوضحت مقالة نشرها المنصة في 29 أكتوبر أن API الخاص بـ Carbon لم يُتح للعامة بعد. لذلك، من الأنسب في هذه المرحلة النظر إلى Carbon بوصفه «مؤشرًا على الاتجاه التقني»، لا خيارًا متاحًا للشراء فورًا. ويمكن متابعة Gemini 4 Argon، الذي ينتمي إلى عائلة Gemini 4 نفسها وهو متاح للاستدعاء حاليًا (GDPx بنسبة 7.3%، و$12.79 لكل مهمة).

العوامل المؤثرة في التكلفة الإجمالية لمهام الوكلاء من نوع GDPx

حساب تكلفة مهام الوكلاء طويلة المراحل ليس بهذه البساطة: «سعر الوحدة × استدعاء واحد». بل يمكن تقسيم التكلفة الإجمالية كالتالي:

التكلفة الإجمالية = تكلفة رموز الإدخال + تكلفة رموز الإخراج + تكاليف التخزين المؤقت + تكلفة استدعاء الأدوات + تكلفة إعادة المحاولة بعد الفشل + تكاليف التشغيل الأخرى

بالنسبة إلى المؤسسات، المقياس الأكثر فائدة هو تكلفة التسليم المقبول الواحد = تكلفة جميع المحاولات ÷ عدد المخرجات المقبولة. هذه طريقة مقترحة للحساب، وليست إحصائية رسمية من GDPx. فإذا احتاج نموذج رخيص إلى إعادة المحاولة مرارًا، فقد تكون تكلفته النهائية أعلى. وفي المقابل، قد يكون النموذج الأغلى أقل تكلفة لكل مهمة إذا كانت نتائجه أكثر استقرارًا.

كيفية إعادة إجراء مقارنة تكاليف على طريقة GDPx: دليل سريع

معظم مهام GDPx البالغ عددها 206 غير متاحة للعامة، لذا لا يمكنك إعادة إنتاج لوحة الترتيب مباشرةً. لكن يمكنك اتباع نهج عملي أكثر: اختر مهام حقيقية من عملك، وشغّل عدة نماذج مرشحة بضع مرات باستخدام المدخلات ومعايير القبول نفسها، ثم سجّل عدد الرموز المستهلكة وما إذا كانت النتائج قد اجتازت التقييم.

مثال مبسّط

تستدعي الشفرة التالية نموذجًا عبر واجهة متوافقة مع OpenAI، ثم تقرأ عدد رموز Token المستخدمة في الطلب:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

resp = client.chat.completions.create(
    model="gpt-6.1-sol",
    messages=[{"role": "user", "content": "核对这份应收账款账龄表的合计是否正确"}]
)
print(resp.choices[0].message.content)
print(resp.usage)  # prompt_tokens / completion_tokens

import openai
from typing import Callable

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# السعر بالدولار لكل مليون Token، وفق لقطة من وثائق APIYI بتاريخ 2026-10-27
# تُعتمد الرسوم الفعلية في لوحة التحكم، وقد تؤثر المجموعة وعروض إعادة الشحن في الفاتورة
PRICES = {
    "claude-opus-5-5":     {"in": 4.0,  "out": 20.0},
    "gpt-6.1-sol":         {"in": 2.0,  "out": 10.0},
    "gemini-4-argon":      {"in": 2.0,  "out": 10.0},
    "deepseek-v4.1-flash": {"in": 0.30, "out": 1.20},
    "gpt-6-luna":          {"in": 0.10, "out": 0.50},
}

def run_once(model: str, task: str) -> tuple[str, float]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": task}],
    )
    u, p = resp.usage, PRICES[model]
    cost = (u.prompt_tokens * p["in"] + u.completion_tokens * p["out"]) / 1_000_000
    return resp.choices[0].message.content, cost

def evaluate(task: str, validator: Callable[[str], bool], runs: int = 3):
    report = []
    for model in PRICES:
        total_cost, passed = 0.0, 0
        for _ in range(runs):
            try:
                out, cost = run_once(model, task)
                total_cost += cost          # تُحتسب المحاولات الفاشلة ضمن التكلفة أيضًا
                passed += int(validator(out))
            except Exception as e:
                print(f"{model} 调用失败: {e}")
        per_pass = total_cost / passed if passed else float("inf")
        report.append((model, passed, runs, total_cost, per_pass))
    for m, ok, n, c, pp in sorted(report, key=lambda x: x[4]):
        print(f"{m:22s} 通过 {ok}/{n}  总成本 ${c:.4f}  单次合格交付成本 ${pp:.4f}")

# مثال: يجب كتابة أداة التحقق وفق معايير عملك؛ وهذا المثال للتوضيح فقط
evaluate(
    task="根据以下条款判断 418 美元的保险审计调整是否终止原有保险义务……",
    validator=lambda out: "不终止" in out,
)

يغطي هذا السكربت استدعاءً من جولة واحدة فقط. أما في مهام الوكيل (Agent) الفعلية، فينبغي أيضًا جمع رموز Token المستخدمة في استدعاءات الأدوات وسياق المحادثات متعددة الجولات. كما ينبغي أن تكون أداة التحقق أقرب ما يمكن إلى معايير التسليم الفعلية، بدلًا من الاكتفاء بمطابقة الكلمات المفتاحية.

🚀 نصيحة للبدء سريعًا: عند مقارنة نماذج متعددة، غالبًا ما تكون أصعب خطوة هي إنشاء حساب لدى كل مزود والتعامل مع حزم SDK المختلفة. باستخدام APIYI على apiyi.com، يمكنك التبديل بين النماذج المدرجة في الجدول أعلاه بمفتاح API واحد وواجهة متوافقة مع OpenAI. ويحصل المستخدمون الجدد على رصيد تجريبي مجاني، ما يجعله خيارًا مناسبًا لإجراء مقارنة أولية على عينة صغيرة.

تحليل أثر GDPx: ماذا تعني النتائج للمطورين والشركات عند اختيار النماذج؟

التأثير على المطورين

• لا تكتفِ بالترتيب الإجمالي: يتصدر Opus الترتيب العام، لكن Carbon يتفوق في علم الأحياء وهندسة البرمجيات، بينما يتفوق Astra في علم المواد وRSI. وقد يختلف ترتيب النماذج في مهمة بعينها عن ترتيبها الإجمالي.
• قد يكون فارق التكلفة أكبر بكثير من فارق النتائج: لا تتجاوز الفجوة بين Astra وSol في النتائج 1.2 نقطة مئوية، بينما يختلف متوسط تكلفة المهمة بنحو 5.51 أضعاف. وهذا يجعل تجربة التوجيه المتدرج بين النماذج جديرة بالاهتمام.
• إطار العمل مهم أيضًا: استخدم كل نموذج في GDPx إطار العمل الأصلي الخاص به. وقد تتغير النتائج واستهلاك الرموز (Token) عند تغيير إطار العمل.

التأثير على الشركات

• في المهام عالية المخاطر، انظر إلى المخرجات النهائية: خضعت المهام المالية والقانونية لتقييم ثنائي صارم، وحصلت جميع النماذج على 0%. وفي الحالات القانونية، بلغ متوسط الدرجة الجزئية لـ Opus نسبة 44%، لكن لم تستوفِ أي وثيقة معايير الاستخدام.
• إنجاز المهمة لا يعني إنجازها وفق القواعد: من بين 200 عملية تنفيذ في اختبار الأمن السيبراني، خالفت 196 عملية قاعدة سلوك واحدة على الأقل. كان هذا اختبارًا عدائيًا تحت ضغط عالٍ، لذا لا يمكن استنتاج معدل المخالفات في الواقع منه، لكنه يوضح ضرورة تقييم حدود الصلاحيات بشكل منفصل.
• التوافر شرط أساسي: مهما كان أداء النموذج جيدًا في التقييم، فلا يمكن نشره إذا تعذّر شراؤه. ويُعد Carbon مثالًا واضحًا على ذلك.

ومن هنا يمكن وضع إطار أولي للاختيار: ابدأ بتقييم القدرة (معدل النجاح على عينات من مهامك الفعلية)، ثم التكلفة (تكلفة كل مخرج يستوفي المعايير)، وأخيرًا تحقق من التوافر (إمكانية الشراء، وحدود معدل الطلبات، وشروط البيانات). ولا غنى عن أي من هذه العناصر الثلاثة.

الأسئلة الشائعة FAQ

أهم النقاط حول القيمة مقابل التكلفة في GDPx

• الترتيب: تصدّر Opus 5.5 اختبار GDPx v1.0 بنسبة 12.0%، يليه Carbon بنسبة 10.9%، ثم Astra بنسبة 9.6%
• فرق التكلفة: بلغت نتيجة Carbon نحو 90.8% من نتيجة Opus، بينما لم يتجاوز متوسط تكلفة المهمة لديه نحو 31.7% من تكلفة Opus
• اختلاف المقياس: يعبر مقياس $/task في GDPx عن متوسط تكلفة تشغيل التقييم، وليس السعر الرسمي للرموز
• اختلاف المجالات: لا يعني التصدر في الترتيب الإجمالي التفوق في كل مجال؛ فقد تنعكس الفروق في مهمة بعينها مقارنة بالترتيب العام
• قيود الإتاحة: لم يُتح API العام لـ Carbon على نطاق واسع بعد، لذلك لا يمكن اعتباره خيارًا متاحًا فورًا
• طريقة الاختيار: قارن تكلفة كل نتيجة مستوفية للمتطلبات، ويمكنك الاستفادة من الواجهة الموحدة لدى APIYI، عبر apiyi.com، لإجراء مقارنة على عينة صغيرة

الخلاصة

تكشف أول قائمة تصنيف لـ GDPx عن تفاوت واضح في القيمة مقابل التكلفة بين أفضل نماذج الذكاء الاصطناعي:

1. القدرات: يتصدر Claude Opus 5.5 التصنيف الإجمالي، لكن لكل نموذج مجالات يتفوق فيها، ولا تزال النماذج بعيدة عن إنجاز المهام عالية المخاطر بشكل مستقل.
2. التكلفة: تُظهر المقارنة بين Carbon وOpus، وبين Sol وAstra، أن النتائج المتقاربة قد تخفي فروقًا في التكلفة تصل إلى عدة أضعاف.
3. إمكانية الاستخدام: لا يزال استدعاء Carbon مباشرةً صعبًا حاليًا، ومهما بلغت جودة نتائجه في التقييم، فإن جدواه تتوقف على إمكانية استخدامه فعليًا.

يمكن أن يوجّهك GDPx عند اختيار النموذج، لكنه لا يغني عن اختباره في أعمالك الفعلية. والنهج الأكثر أمانًا هو اختيار عدة نماذج من الفئات المتقدمة والمتوازنة والاقتصادية، واختبار كل منها على مهام حقيقية لعدة جولات وفق معايير قبول موحدة، ثم مقارنة تكلفة كل مهمة تُنجز بصورة مقبولة. نوصي باستخدام APIYI عبر apiyi.com لإجراء هذه الاختبارات على نماذج متعددة بمفتاح API واحد، مع الرجوع إلى الأسعار المعروضة لحظيًا في لوحة التحكم.

📚 المراجع

1. تقرير SemiAnalysis GDPx الأصلي: منهجية الاختبار ونتائج المجالات وتحليل الحالات
2. الرابط: newsletter.semianalysis.com/p/gdpx-measuring-frontier-model-capabilities

3. ملاحظة: يتضمن النماذج الرائدة في كل مجال وتحليل أنماط الإخفاق

4. لوحة صدارة GDPx الرسمية: النتائج الإجمالية ومتوسط تكلفة المهمة

5. الرابط: gdpx.semianalysis.com

6. ملاحظة: مصدر بيانات لوحة الصدارة في هذا المقال، ويمكن الاطلاع على سجلات التنفيذ في صفحة /rollouts

7. إعلان Google عن Gemini 4 Carbon: نطاق الإتاحة وأسعار API المخطط لها

8. الرابط: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon

9. ملاحظة: السعر الترويجي والسعر القياسي وقيود الوصول إلى Carbon

10. صفحة أسعار OpenAI API: الأسعار الرسمية لكل Token في سلسلة GPT-6

11. الرابط: developers.openai.com/api/docs/pricing

12. ملاحظة: انتبه إلى الأسعار الخاصة بطلبات السياق الطويل

13. جدول أسعار النماذج الشامل لدى APIYI: لقطة للنماذج المدرجة على المنصة وأسعارها

14. الرابط: docs.apiyi.com/models
15. ملاحظة: لقطة بتاريخ 2026-10-27، وتُعتمد الرسوم الفعلية كما تظهر في لوحة التحكم

الكاتب: الفريق التقني لدى APIYI
للتواصل التقني: يمكنكم التواصل معنا عبر موقع APIYI الرسمي، وزيارة مركز التوثيق على docs.apiyi.com للاطلاع على مزيد من موارد استخدام النماذج

مقالات ذات صلة

• تحليل إطلاق Gemini 4 Carbon: يتفوق على Opus 5.5 بنتيجة 59 نقطة ويفوز في 15 من أصل 17 معيارًا، لكن يتعذر استدعاؤه: تصدّر Gemini 4 Carbon مؤشر الذكاء العام لدى Artificial Analysis بـ59 نقطة، وفاز في 15 من أصل 17 مقارنة رسمية، لكنه لا يملك معرّف نموذج API أو جدولًا زمنيًا للإتاحة؛ ويوضح المقال معايير النتيجة وسبب تعذر استدعائه حاليًا، وإمكانية استخدام المطورين في الصين لـgemini-4-argon مؤقتًا.
• إطلاق Gemini 4 Carbon: كم من الوقت سيضطر المطورون إلى الانتظار لاستخدامه؟: صدر Gemini 4 Carbon في 2026-10-28، لكن لا تتوفر له واجهة API عامة حاليًا؛ ويستشرف هذا المقال موعد إتاحته للمطورين باستخدام أربع محطات زمنية وبوابات الإتاحة التدريجية من Fairwind، ويقدم بدائل متاحة للاستخدام الآن.